用途：在用户已登录的 Chrome 中驱动 https://aistudio.google.com/generate-speech，用 Gemini Flash TTS 渲染音频，适用于单人口播、播客、旁白及多说话人对话。
主要能力：提供 Text 与 Composer 两种输入模式。Text 模式用单个文本框，多说话人可用 Speaker 1:、Speaker 2: 前缀；Composer 模式每条语句一个区块，各自带说话人 chip，便于逐行编辑。两种模式共享 Scene（声学/情境）与 Sample Context（语气参考）字段，以及右侧 Speaker 设置面板。语音选择抽屉含 32 个语音，可设置 Audio Profile、Director's note（Style、Pace、Accent）与 Voice。可选调整 Temperature（0–2，默认 1）。
使用方式：先加载所需 claude-in-chrome MCP 工具，打开页面并接受模型不可用时的自动切换，关闭横幅；选择模式后填写共享字段与输入内容，设置语音，点击 button.ctrl-enter-submits 或按 Ctrl+Enter 运行，通常 5–30 秒完成，通过音频播放器时长或下载图标状态判断完成。Angular 文本框不能直接赋值，需用 form_input 或参考资料中的辅助方法。
限制：必须已登录，禁止登录、接受新条款或更改账号设置；不得在未明确要求时下载音频；渲染中不要离开标签页；语音目录固定为 32 个，不得编造语音名。Scene 用于声学与场景，Sample Context 用于语气，内联标签写在说话人行内且不跨行堆叠。具体价格、平台支持与效果资料暂未提供。